Claude Code와 Codex를 위한 음성 인터페이스 도구 Heard 공개

실용적 조언

API 비용이 걱정된다면 Kokoro를 사용하여 로컬에서 무료로 음성 기능을 활용할 수 있다.
에이전트가 여러 개일 때는 스웜 모드를 활성화하여 중요한 오류 알림만 음성으로 받도록 설정하는 것이 효율적이다.

섹션별 상세

에이전트의 중간 출력물을 음성으로 변환하여 개발자의 멀티태스킹을 지원한다. Python 데몬과 유닉스 소켓을 활용한 fire-and-forget 훅 구조를 채택하여 에이전트의 실행 속도를 늦추지 않고도 실시간 음성 출력을 구현했다. 이를 통해 개발자는 자리를 비운 상태에서도 에이전트의 실패 여부나 입력 요청 시점을 즉각적으로 인지할 수 있다.

음성 합성 엔진으로 ElevenLabs의 클라우드 서비스와 Kokoro의 로컬 엔진을 모두 지원한다. ElevenLabs는 고품질 음성을 제공하며, Kokoro는 API 키 없이도 완전한 로컬 환경에서 음성을 생성할 수 있게 설계됐다. 선택적으로 Claude Haiku 4.5를 연동하여 에이전트의 출력을 특정 페르소나에 맞게 재작성하여 낭독하는 기능도 포함됐다.

단순한 텍스트 낭독을 넘어 정보의 선별적 전달에 집중하여 사용자 경험을 개선했다. 초기 버전은 모든 출력을 낭독하여 소음이 심했으나, 현재는 4가지 상세도 프로필과 스웜 모드를 도입하여 중요한 실패 지점이나 입력 요청 시에만 음성이 출력되도록 최적화했다. 특히 여러 에이전트가 동시에 구동될 때 배경 에이전트는 오류 발생 시에만 음성으로 개입하도록 설정됐다.

용어 해설

음성 합성(TTS): — Text-to-Speech의 약자로 텍스트를 인공적인 음성으로 변환하는 기술이다. 이 프로젝트에서는 에이전트의 텍스트 출력을 실시간 음성으로 변환하여 개발자가 화면을 보지 않고도 작업 상태를 파악할 수 있게 돕는다.
유닉스 소켓(Unix Socket): — 동일한 운영 체제 내에서 실행되는 프로세스 간에 데이터를 교환하기 위한 통신 엔드포인트이다. 네트워크 스택을 거치지 않아 속도가 빠르며, 에이전트와 음성 출력 데몬 사이의 저지연 통신을 위해 사용된다.
데몬(Daemon): — 사용자가 직접 제어하지 않고 백그라운드에서 돌며 여러 작업을 처리하는 프로그램이다. 이 시스템에서는 Python 기반 데몬이 상주하며 에이전트의 출력을 가로채 음성 변환 엔진으로 전달하는 역할을 수행한다.

언급된 도구

Heard추천링크

코딩 에이전트 출력 음성 변환 도구

ElevenLabs추천

클라우드 기반 고품질 TTS 엔진

Kokoro추천

로컬 실행 가능한 TTS 엔진

언급된 리소스

GitHubHeard GitHub Repository

DemoHeard Voice Samples